admin
7bd1151c67
交接单按归属约定（正文落文档库、工作区只放指针）归档至 归档/交接单-20260924-归档/，含逐件判定 README： - 16 件已被文档库正式版取代（T09–T21 + 覆盖网络-24/25/26） - 4 件主题已被覆盖网络线入口汇总 - 7 件历史接续包/规划件 CODEBUDDY §9：收口清本棒 tmp、tmp 保留期 7 天、禁「待清理」中间态、 工作区入库只放文档与文件、不保留脚本副本、>60 KB 单文件须逐个判。
558 lines
60 KiB
Markdown
558 lines
60 KiB
Markdown
# 交接单 · 检测时延与 deadline（覆盖网络 · 序 ⑨）
|
||
|
||
> **一单只做一件事**：把「杀中继 ⇒ 切流完成」的 **30 s 墙钟拆开量化**，并用**分解结果**决定改哪里 —— 目标是让真机样本回到 `RELAY_FAILOVER_DEADLINE_MS`(30000) 的**内侧**，⛔ **不是**把 deadline 调大。
|
||
>
|
||
> **上游依据（均已核实，⛔ 不必重读全文）**：
|
||
> - `交接单_切流冷却语义_20260917.md` **§8.8-2**（现象 ＋ 口径提示"该值含静默失效检测时延 ≈ 2.5×`HB_SEC`"）—— ⚠️ **本单 §1.2 已用实测勘误该口径**，见 `RC-5`
|
||
> - 同上 **§8.8-3**（OBS-11 回头条件）⇒ 本单 **§2-P7 已复取**，判定见下
|
||
> - 同上 **§8.8-4**（`RELAY_FAILOVER_COOLDOWN_MS=0` 自锁）⇒ 本单 **§7 回滚 ⛔ 禁用该值**
|
||
> - 同上 **§9**（`switcher.ts` 阈值六键默认值 `300000 / 30000 / 15000 / 3 / 2000 / 12000` ＋ 三个装配点 ＋ env 覆盖生效）
|
||
> - `交接单_中继失败切流_20260917.md` **§8.8-2**（五样本全景 `30563 / 27878 / 29176 / 32550 / 29586`；触发条件 = 样本 > 30000 ⇒ 立即回头）—— **本单的立项依据**
|
||
> - 代码单一来源：`D:/github/dsh_shenxian/src/net/relay/switcher.ts`（＋ `client.ts` / `web/server.ts`）
|
||
>
|
||
> **本单性质**：**规划棒产出**。⛔ 只出单、不改服务器、不改代码（规划与执行分离）。
|
||
|
||
---
|
||
|
||
## §1 目标
|
||
|
||
### 1.1 一句话
|
||
|
||
**先证明这 30 s 花在哪两段上，再决定改「检测」还是改「拨号」** —— 现在证据指向：**检测 ≈ 15 s（优雅重启的 burst 窗口地板）、拨号 ≈ 12 s（对一个必然失败的同机候选白等 `upTimeoutMs`）、真正建连只要 ≈ 2.8 s**。
|
||
|
||
### 1.2 本单的核心判定：**30 s 去哪了（用现有日志分解，不需要新埋点）**
|
||
|
||
**方法**：`[relay-client] down / [relay-skip] / [relay-switch]` 三种行**本来就带毫秒级时间戳**（`journalctl -o short-unix`）⇒ **分解是"读现有日志"，不是"加新探针"**。
|
||
|
||
**样本 ① · 序⑧ 幕 4 收口（drill 读数 29586 ms，与五样本里的 29586 同一轮）** —— 逐行原文：
|
||
|
||
| 事件 | epoch | 相对 BYE | 段长 |
|
||
|---|---|---|---|
|
||
| `[relay-client] down (peer bye: server restarting (was up)); attempt #0 [graceful, burst window 15000ms]` | `1789617465.999982` | 0 | — |
|
||
| `attempt #1, retry in 975ms`（burst 窗口耗尽，退避才从 0 起算） | `1789617481.084742` | **+15.085 s** | **① 检测 = 15.08 s** |
|
||
| `[relay-skip] ⛔ 新通道起不来（wss://relay-direct.alotbuy.com/dshs-relay）… 该候选进冷却 300000ms` | `1789617493.375446` | +27.376 s | **② 白等 = 12.00 s**（= `waitUpOn` 吃满 `upTimeoutMs`） |
|
||
| `[relay-switch] #1 wss://alotbuy.com/… -> wss://106.54.21.172/…（原因：当前通道不健康（… attempts=4 unhealthyForMs=29376 …））` | `1789617496.196091` | **+30.196 s** | **③ 建连 = 2.82 s** |
|
||
|
||
**样本 ② · 序⑦ 30563 ms 那一轮** —— 同结构、逐行原文：
|
||
|
||
| 事件 | epoch | 相对 BYE |
|
||
|---|---|---|
|
||
| `peer bye: server restarting (was up) … burst window 15000ms` | `1789616881.632718` | 0 |
|
||
| `[relay-skip] ⛔ 新通道起不来（relay-direct）… 进冷却 300000ms` | `1789616910.195416` | **+28.56 s** |
|
||
| `[relay-switch] #1 alotbuy -> 106（… attempts=5 unhealthyForMs=30563 …）` | `1789616912.919233` | **+31.29 s**（drill 读数 30563 ⇒ 偏移 0.73 s = `systemctl stop` 返回晚于 BYE 的时间） |
|
||
|
||
**⇒ 两样本结构完全一致：`15.0（检测）＋ ~1.5（tick 相位）＋ 12.0（白等）＋ 2.1（建连）≈ 30.6 s`。**
|
||
|
||
**分解结论（一句话）**：
|
||
|
||
> **检测段 = 15 s 不是"半开检测"，而是 `gracefulBurstMs` 的地板；拨号段 = 12 s 里 12 s 全是白等（`waitUpOn` 不对终态失败早退），真正的跨机建连只要 2.8 s。**
|
||
> ⇒ 两段各占一半；**其中 12 s 是纯浪费**（生产目录前两条候选同在 47）。
|
||
|
||
**五样本按同一结构反算（⛔ 未逐行复核，须由 §5-S2 验证）**：
|
||
|
||
| 样本 | 总 | 检测 | tick 相位 | 白等 | 建连 | 是否自洽 |
|
||
|---|---|---|---|---|---|---|
|
||
| 30563 | 30.56 | 15.00 | ~1.5 | 12.00 | ~2.1 | ✅ 已逐行复核 |
|
||
| 29586 | 30.20 | 15.08 | ~0.3 | 12.00 | 2.82 | ✅ 已逐行复核 |
|
||
| 27878 | 27.88 | 15.00 | ~0.2 | 12.00 | ~0.7 | ⚠️ 反算自洽，未复核 |
|
||
| 29176 | 29.18 | 15.00 | ~0.2 | 12.00 | ~2.0 | ⚠️ 反算自洽，未复核 |
|
||
| 32550 | 32.55 | 15.10 | ~0.2 | 12.00 | ~5.2 | ⚠️ 反算自洽，未复核 |
|
||
|
||
> 🔴 **可被证伪**：以上结构的**硬地板 = 15.0 + 12.0 = 27.0 s**。若 §5-S2 采到**任一 < 27 s 的样本** ⇒ **本单的分解被证伪**，立刻停下报告（⛔ 不许带着错分解去改代码）。
|
||
|
||
**根因清单（按可省时长排序）**：
|
||
|
||
| # | 根因 | 证据 | 可省 |
|
||
|---|---|---|---|
|
||
| **RC-1** | **`waitUpOn` 对"终态失败"不早退** —— `server.ts:499-506` 只轮询 `state === 'up'`，直到 `deadline` 才返回 `false` ⇒ **每个死候选固定吃满 `upTimeoutMs`**。生产目录 `[alotbuy.com(47), relay-direct.alotbuy.com(47), 106]` 前两条**同机**（`server.ts:517-519` 注释原文已承认"这个坑一定会踩到"），杀 47 ⇒ 第一次 tick **必然**先试 `relay-direct` ⇒ **白等 12 s** | 两样本的 `[relay-skip] ⛔ 新通道起不来` 行，间隔 ≡ `upTimeoutMs` | **~12 s** |
|
||
| **RC-2** | **`gracefulBurstMs`(15_000) 期间 `attempts` 恒为 0**（`client.ts:565-580` 三处 `this.attempts = 0`）⇒ `unhealthy()`（`switcher.ts:244` = `attempts ≥ 3 ∨ unhealthyForMs ≥ graceMs`）**只能靠 `graceMs=15000` 成立** ⇒ 优雅停机（`systemctl stop/restart`、部署）路径的**检测地板 = 15.0 s** | 两样本 `attempt #0 [graceful …]` → `attempt #1` 间隔 = 15.085 / 15.06 s | 受 DP-4 约束，**本单⛔不改** |
|
||
| **RC-3** | **tick 周期 2000 ms** ⇒ 判不健康 → 发起换址之间存在 0–2 s 相位误差 | 实测 0.29 / 1.48 s | 0–2 s |
|
||
| **RC-4** | **`DRILL_POLL_MS` = 2000 ms** ⇒ 演练读数本身有 **0–2 s 系统性高估** | drill `waitSwitch` 每 2 s 轮询一次 | **测量误差，非产品时延** |
|
||
| **RC-5** | 🔴 **勘误**：上单 §8.8-2 的口径提示"该值**含静默失效检测时延 ≈ 2.5×`HB_SEC`**（= 37.5 s）"在**优雅停机路径上不成立** —— 两样本都**没走到半开检测**（`half-open suspected` 行为零命中）。⇒ 该口径只在**丢包型静默失效**时生效；**`HB_SEC` 不在这条关键路径上** ⇒ ⛔ 别为了它去动心跳/控制面流量模型 | 样本 ①②的原文链条里**无** `half-open` 行 | 0（防误改） |
|
||
|
||
### 1.3 三问的判定
|
||
|
||
#### ① 30 s 里多少是检测、多少是拨号？
|
||
|
||
**判定：检测 15.0–15.1 s（50%）／拨号 12.0 s 白等 ＋ 0.7–5.2 s 建连（50%）。** 依据见 §1.2 两个逐行复核样本。
|
||
|
||
#### ② 该先改哪里？
|
||
|
||
**判定：先改「拨号段的白等」（RC-1），⛔ 不动 deadline、⛔ 不动 `HB_SEC`。**
|
||
|
||
- **为什么不是调 deadline**：deadline 是**验收判据**（上单 §8.8-2 原文："放宽 = 作废本轮判据"）⇒ 调大 = 把问题藏起来，**明确违反"要解决问题、不将就妥协"**。
|
||
- **为什么不先动检测段（RC-2）**：15 s 的 burst 窗口是**有意设计** —— `client.ts:30` 注释原文"**计划内下线不是故障**：`gracefulRetryMs` 后立刻重连"。把它改成"graceful 也触发切流"⇒ **每次 relay 重启/部署都切一次流** = 正是 D5 要防的抖动。⇒ **判为已定项，⛔ 不动**（§4.1-D3）。
|
||
- **为什么拨号段是"真缺陷"**：12 s 不是"等一个慢候选"，是**等一个必然失败的候选**（`waitUpOn` 不看终态），且生产目录结构决定**每次从 47 切走都必然命中** ⇒ 纯浪费、且有确定性的修法。
|
||
|
||
#### ③ 判据怎么改才算"不将就"？
|
||
|
||
**判定：把"总时长 ≤ deadline"细化为"三段各自的预算"，并把测量误差从判据里剔掉。**
|
||
|
||
- 总判据保留（`kill → switch ≤ 30000 ms`），但**必须同时看三段**：`检测 ≤ 16 s`（graceful）／`白等 ≤ 1 s`（修后）／`建连 ≤ 6 s`。
|
||
- **`DRILL_POLL_MS` 2000 → 500**：否则 ≤2 s 的量化误差会让"是否超 deadline"的判定**既可能假红也可能假绿**（RC-4）。这是**测量修正，不是调参**。
|
||
|
||
---
|
||
|
||
## §2 只读前置（⛔ 只读，不改；P1–P10 逐条核实后才允许进 S 段）
|
||
|
||
| # | 命令（原文） | 期望 |
|
||
|---|---|---|
|
||
| **P1** | `bash "D:/github/dsh_shenxian/dsh-server-docs/scripts/handoff-guard.sh" --claim-exec "覆盖网络线-序9执行棒"` | `✓ 已持全局执行锁`。**抢不到 ⇒ 有会话在跑 ⇒ 停下报告** |
|
||
| **P2** | `"E:/ProgramData/.workbuddy/binaries/python/versions/3.13.12/python.exe" "E:/ProgramData/AI技能/aliyun-dsh-server/state.py"` | 锁 owner = 本会话名；HEAD = `640813e`；入口 = `接续入口_覆盖网络线_20260916.md`，其 §2 指向本单 |
|
||
| **P3** | `cd "E:/ProgramData/AI技能/aliyun-dsh-server" && sed '/^## §10 指纹/,$d' 参数表_覆盖网络_20260917.md \| md5sum` | **`e6b669c257d8e8964273b3b400238351`**（【实测·本棒复取】；不一致 ⇒ 参数表被人动过，停下报告） |
|
||
| **P4** | `cd "E:/ProgramData/AI技能/aliyun-dsh-server" && sed '/^## §8 回报格式/,$d' 交接单_检测时延与deadline_20260917.md \| md5sum` | 与 **§8.9** 里记载的"本单出单值"**逐字一致**（⚠️ 该值**故意只写在 §8 之内** —— §8 本身不计入哈希，写在这里会让哈希自指失效） |
|
||
| **P5** | 上两单前缀：`sed '/^## §8 回报格式/,$d' 交接单_切流冷却语义_20260917.md \| md5sum` ⇒ **`aa3a6ec0d66dd81f465cea2a3a08ad27`**；`…交接单_中继失败切流_20260917.md \| md5sum` ⇒ **`419abf308c00b7668e8898aaa91ba9e8`** | 两个值**逐字一致**（【实测·本棒复取】）⇒ 底稿未被改动 |
|
||
| **P6** | `cd "D:/github/dsh_shenxian" && grep -n "gracefulBurstMs\|halfOpenMs" src/net/relay/client.ts && grep -n "const waitUpOn" -A 8 src/web/server.ts && grep -n "private unhealthy\|async open\|deps.open" src/net/relay/switcher.ts` | 锚点**存在性**（⛔ 不验行号）：`client.ts` ≈ `137`／`146`／`567`／`631`；`server.ts` ≈ `499`（`waitUpOn` 只轮询 `up`、**不看终态**）／`524`；`switcher.ts` ≈ `244`（`unhealthy`）／`300`（`await deps.open`） |
|
||
| **P7** | `cd "E:/ProgramData/AI技能/aliyun-dsh-server" && node "D:/github/dsh_shenxian/scripts/overlay-probe.cjs" > /tmp/seq9-probe-s0.txt 2>&1; echo $?` | **12/12 PASS**、`exit 0`。**【实测·本棒 13:3x 复取】当前为 `10/12`（`OBS-09` / `OBS-11` 红）** ⇒ 见下方口径说明 |
|
||
| **P8** | `ssh -p 22 bt-server "systemctl is-active dshs-relay dshs \|\| true; curl -s http://127.0.0.1:20080/status"` ＋ `ssh -p 22 test106 "systemctl is-active dshs-relay dshs-worker \|\| true"` | 两台 relay `active`；47 `/status` 的 `capacity.used = 2`、`online[]` 含 `manager` ＋ `w-106`。⚠️ **106 nginx 归宝塔托管 ⇒ `is-active nginx`=`inactive` 是正常态，⛔ 别据以判故** |
|
||
| **P9** | `npm.cmd test`（**必须 Node v22**） | **155 tests / 154 pass / 0 fail / 1 skipped**（序⑧ 收口基线；⚠️ 若因新增用例上浮，写清"新增 n / 基线 155"） |
|
||
| **P10** | 🔴 **分解复现（本单的核心前置）**：`ssh -p 22 bt-server "journalctl -u dshs --since -6h -o short-unix --no-pager \| grep -E 'relay-switch\|relay-skip\|relay-client. down'"` ⇒ 抽 §1.2 的两个样本，**逐行算出四段数值** | **样本①（`unhealthyForMs=29376`）= 检测 15.085 s ＋ 白等 12.00 s ＋ 建连 2.82 s**；**样本②（`unhealthyForMs=30563`）= 28.56 / 12.00 / 2.72 s**。**复现不出 ⇒ 停下报告**（说明 §1.2 的分解是错的，⛔ 不许带着它进 S3） |
|
||
|
||
### 2.1 P7 的口径（承上单 §8.8-3 的回头条件）—— **本棒已复取，判定：未命中**
|
||
|
||
- **复取值**：`ss -lntp | wc -l` = **77**（= **76 socket ＋ 1 行表头**）；**两次连采同值**（`sample1=77` / `sample2=77`）；`nft=72`、relay 口绑回环 `1/1`、门户 `200`、两台 relay `active`。
|
||
- **环境态钉因**：`LOCAL_INSTANCE_PORT`(20000) **未监听** ⇒ **47 无活跃实例**（`/opt/dsh/users/main` 存在但无实例进程，`ps` 里只有控制面 / `w-47` worker / relay 三个 node）。⇒ **口径目标 = 78**（"无活跃实例"档），不是 79。
|
||
- **判定**：`78 − 77 = 1`，**差值 1 < 2 ⇒ 未命中**上单 §8.8-3 的回头条件（"差值 ≥ 2"）；且另一分支要求"**有活跃实例**时仍 ≠ 79"，本棒**无活跃实例** ⇒ 分支不适用。另：相对序⑧ 收口值（同为 77）**零变化**。
|
||
- **⛔ 只报告不动手（R7）**：`78 → 77` 这**1 个口**从未被定位（上单已核销 9 个固定口 / 64 个拨号池口 / `nft` / relay 回环绑定）。⇒ 记为**在册未办**，本单**不修**；只把"完整端口清单留档"作为 §5-S0 的一个动作（**取证，不是修复**），让下次漂移可比对。
|
||
|
||
### 2.2 已核实的代码事实（⛔ 执行棒不必重复探索）
|
||
|
||
1. **`waitUpOn` 不会对失败早退**（RC-1 的代码真身）：`server.ts:499-506` 每 100 ms 查一次 `client.status().state === 'up'`，直到 `deadline` 才 `return false`。⇒ **死候选**（连不上 / 握手失败）与**慢候选**在这一层**不可区分**，代价恒为 `upTimeoutMs`。
|
||
2. **`upTimeoutMs` 有三处消费点**（改一处不够）：`web/server.ts:524`（Manager 拨号通道 · C1）／`worker/relay-tunnel.ts:104` 与 `:158`（worker 实例面 · C2）／`net/relay/main.ts:315`（独立 `relay --client` · C3）。⚠️ 序⑦ 的 D1 就是为"同一件事别在多处各写一份"立的 —— **要么抽公共，要么每处都改并逐处验收**。
|
||
3. **`gracefulBurstMs` 是"写死的默认值、不可配"**：`client.ts:137` 是可选 option，全仓 `grep` **只有** `client.ts:567` 的 `?? 15_000`，**无任何 env 键 / 无任何装配点赋值** ⇒ **运行时无法调**（对比 `RELAY_FAILOVER_*` 全部可经 env 覆盖）。
|
||
4. **burst 期间 `attempts` 被强制归零**：`client.ts:565-580` 三个分支各自 `this.attempts = 0`（`queued` / `graceful` / `burst`）⇒ 与 `switcher.ts:244` 的 `unhealthy()` 组合出"15 s 检测地板"（RC-2）。
|
||
5. **半开检测参数与触发**：`client.ts:631` `halfOpenMs ?? max(3000, hbSec×1000×2.5)` = **37.5 s**；`:632` 巡检 `tick = halfOpen/4`；`:636` 判据 `age > halfOpen`。⚠️ 仅在 `state === 'up'` 时计时 ⇒ **只在"连着但不来帧"（丢包）时生效**（RC-5）。
|
||
6. **演练读数的两个系统性偏差**：① `waitSwitch` 每 `DRILL_POLL_MS`(2000) 轮询一次 ⇒ **读数高估 0–2 s**；② `t0 = Date.now()` 在 `stopRelay` **返回之后** ⇒ 比 relay 的 `BYE` 行**晚 ≈ 0.6–0.73 s**（两样本实测；这正好解释为什么 drill 读数与 `unhealthyForMs` 数值接近）。
|
||
7. **`[relay-switch]` 行自带 `state/attempts/unhealthyForMs/阈值`** ⇒ 三段的边界**不需要新埋点**，只需时间戳对齐（D2 的"⛔ 不新造探测帧"继续成立）。
|
||
8. **本机 = 生产的前身** ⇒ 改动会经下一次 `scp` 传导到 47/106。⛔ 推送前先 `git status --short` 确认待传清单只含本次真实改动（当前 = **43** 项）。
|
||
9. **`src/net/relay/**` 在 git 里 untracked** ⇒ 改动**用 `git diff` 看不到**，只能用 `grep -c` / `wc -l` / `git status --short` 核（⚠️ 目录里还留着一个 `client.ts.bak-seq7-*`）。
|
||
|
||
---
|
||
|
||
## §3 范围
|
||
|
||
### 3.1 要改的（且只有这些）
|
||
|
||
| # | 文件 | 改动 | 理由（为什么非改不可） |
|
||
|---|---|---|---|
|
||
| 1 | `src/web/server.ts`（＋ 对齐 `worker/relay-tunnel.ts` / `net/relay/main.ts`） | **`waitUpOn` 增加"终态失败早退"**：新通道一旦进入**终态失败态**（建议判据 = 已发生一次明确的失败退避且**不在 burst 窗口内**，或 `lastFatalReason` 命中）⇒ 立即 `return false`，⛔ **不再等满 `upTimeoutMs`**。三处消费点**逐处验收**；能抽公共就抽公共（D1） | **RC-1 的唯一落点** ⇒ 直接省掉 12 s。判据必须"不误伤慢候选"：仍能连上只是慢的候选，依旧享受完整 12 s |
|
||
| 2 | `scripts/overlay-failover-drill.cjs` | 新增 **`--trace`**：从 journal 抽 `down/skip/switch` 三类行，**逐样本算出四段**（检测 / tick 相位 / 白等 / 建连）并落盘原始行 | E1–E5 的判据本体（分解必须**可被第三方复现**）。⛔ 原有 `--scene 1\|2\|3\|4\|4b\|all` 语义**一字不改** |
|
||
| 3 | `test/relay-failover.test.mjs` | 新增用例：**死候选 ⇒ `open()` 提前失败**（注入"永不 `up` 且已进 backoff"的假客户端）／**慢候选 ⇒ 仍等满超时**（护栏，⛔ 防"早退"误伤） | 本线纪律：**先红后绿已实证两次**；"早退"必须**有护栏用例**否则会把慢候选误杀（= R11 净退化） |
|
||
| 4 | `src/net/relay/client.ts` | **把 `gracefulBurstMs` 参数表化**（新增 env 键 `RELAY_GRACEFUL_BURST_MS`，**默认值 15_000 不变**） | 消除"唯一一个不可配的时延常量"（符合本线既有的"阈值零魔数"纪律，`overlay-probe` E6）。⚠️ 只加可配性，**⛔ 不改值** |
|
||
| 5 | `参数表_覆盖网络_20260917.md` | ① `DRILL_POLL_MS` **2000 → 500**；② 新增 `DRILL_SAMPLE_N` = `5`；③ 新增 `RELAY_GRACEFUL_BURST_MS` = `15000`；④ **§9 表格新增一行「时延分解（序⑨ · 实测）」**记录四段数值 + 两个样本的 epoch 原文；⑤ §7 计数回填；⑥ §10 指纹更新 | 参数表 = 单一来源。🔴 **值格必须纯数字**（上单 §8.6 的假红坑：夹注 ⇒ `NaN` ⇒ `OBS-02` 假红） |
|
||
| 6 | `overlay-failover-drill.cjs` 的 `waitSwitch` / 参数表 `DRILL_POLL_MS` | 轮询周期 2000 → 500 ms（随第 5 项） | **RC-4**：把 ≤2 s 的量化误差从判据里剔掉 —— 否则"是否超 deadline"**两端都可能误判** |
|
||
|
||
### 3.2 ⛔ 不动什么（防顺手扩大）
|
||
|
||
- ⛔ **不动 `RELAY_FAILOVER_DEADLINE_MS`**(30000)。**这是本单的纪律核心**：放宽判据 = 作废判据。若 §5-S7 复测**仍**超界 ⇒ **写进 §8.8 报告，⛔ 不许自行改值**。
|
||
- ⛔ **不动 `gracefulBurstMs` 的默认值**（只加 env 可配性 = §3.1-4）；⛔ **不动 `client.ts` 的 burst 语义**（"计划内下线不触发切流"是**有意设计**，见 §1.3-②）。
|
||
- ⛔ **不动 `HB_SEC`**(15) —— 分解已证 `half-open`(37.5 s) **不在关键路径**上（RC-5）；动它等于为一个没发生的路径改控制面流量模型。
|
||
- ⛔ **不动 `RELAY_FAILOVER_COOLDOWN_MS`**(300000)；🔴 **⛔ 绝对不许把 `COOLDOWN_MS=0` 写进任何回滚 / 演练路径**（上单 §8.8-4：归零连带废掉"失败候选必须被排除" ⇒ 候选链自锁，实测 121–123 s 无切换）。演练期要缩短**只走 `DRILL_COOLDOWN_MS`**。
|
||
- ⛔ **不动 `RELAY_FAILOVER_MIN_ATTEMPTS` / `GRACE_MS` / `CHECK_MS`**（本单不改判据阈值；若要改，先回 §8 报告）。
|
||
- ⛔ **不做"同机候选去重 / 并发竞速 open"**（§4.2-DP-2）：运行时**拿不到"同机"维度**（候选只是 url 字符串），要做得在取址层新增 host 维度 = 扩大改造面；并发 open 会**同时建两条通道**（多占口池口 ＋ 多一次 AUTH）⇒ 暴露面/资源面变化需另行评估。**记为在册未办（R7 只报告）**。
|
||
- ⛔ **不新增任何监听口 / 凭据 / 对外可读端点**；⛔ 不动 nft / 安全组 / nginx；⛔ 不改 relay 服务端协议。
|
||
- ⛔ **不动 worker 会合面**（`DSHS_RENDEZVOUS_URL` / `DSHS_TUNNEL_TARGET` —— 已判"撤掉 ⇒ 判不执行"，别再复议）；⛔ 不动 directory 引导链。
|
||
- ⛔ **不重做序 ②–⑧**；⛔ 不做 presence / 房间层 / 内容分发（清单第 7 步）；⛔ 不做打洞实现。
|
||
- ⛔ **不 commit / 不 push**（未获授权）。
|
||
- ⛔ **范围外的缺陷先报告、不顺手改**（R7）。在册：OBS-11 的 1 口差（§2.1）｜OBS-09 实例面 000｜guest(w-106) 实例页 502｜`mksess*.cjs` 失效｜`unhealthyForMs` 记账起点偏早（上单 §8.8-5）｜`src/net/relay/**` untracked 留档缺口｜`client.ts.bak-seq7-*` 残留。
|
||
|
||
---
|
||
|
||
## §4 决策点
|
||
|
||
### 4.1 已定项（规划棒已拍 —— 执行棒**不得自行更改**；要改必须回写 §8 并说明理由）
|
||
|
||
| # | 已定 | 理由 / 反例 |
|
||
|---|---|---|
|
||
| **D1** | **顺序 = 先量化再调参**：§2-P10 的分解**复现成功之前**，⛔ **不许改任何 `RELAY_FAILOVER_*` 的生产值**（含 deadline / minAttempts / grace / upTimeout） | 用户明令 + 本单立项初衷。分解**已经能用现有日志做出来**（§1.2）⇒ 没有理由跳步 |
|
||
| **D2** | **判据来源 = 现有日志行的时间戳**，⛔ 不新增探测帧 / 不新开端点 / 不引外部监控 | 承序⑦ D2；`[relay-switch]` 行自带 `attempts / unhealthyForMs / 阈值`，信息已足够 |
|
||
| **D3** | **15 s 的 burst 检测地板⛔ 不改**（保持"计划内下线不触发切流"） | `client.ts:30` 原文语义；改它 ⇒ 每次 relay 重启都切流 = D5 要防的抖动（R11 净退化） |
|
||
| **D4** | **首选修法 = RC-1 的"死候选早退"**；`upTimeoutMs` **降值**只作**降级替代** | 降 `upTimeoutMs` 会误伤"慢但能通"的候选（实测 106 建连 2.7–2.8 s ⇒ 降到 4 s 已贴边）⇒ 只有在 RC-1 拿不到 12 s 时才考虑 |
|
||
| **D5** | **`DRILL_POLL_MS` 2000 → 500**（测量修正，非调参） | RC-4：≤2 s 量化误差会让判定两端误判 |
|
||
| **D6** | **deadline 保持 30000**，且**必须继续按 30000 判**（⛔ 不设"宽限窗口"、⛔ 不写"接近即视为通过"） | 判据一旦软化，本单与上单的结论**都不可比** |
|
||
| **D7** | **三处装配点必须逐处验收**（`server.ts` / `relay-tunnel.ts` / `main.ts`） | 序⑦ D1 的教训（"同一件事在多处各写一遍，其中一处悄悄漏了"） |
|
||
| **D8** | **服务端零改动**（relay 侧最多只读） | 缩小失败域（承序⑦ D8 / 序⑧ D12） |
|
||
| **D9** | 若最终确需动 `upTimeoutMs` ⇒ **必须同时给出"慢候选不被误杀"的判据**（例如"某台成功建连耗时的 P95 + 余量"）并回填参数表 | ⛔ 不许凭感觉给一个更小的数 |
|
||
|
||
### 4.2 交给执行棒自决（⛔ **不上升为提问**）
|
||
|
||
"终态失败"的**具体判据**（用 `state === 'backoff'`？用"已发生 ≥1 次非 burst 退避"？用 `lastFatalReason` 是否存在？还是给 `RelayClient` 加一个只读的 `failedTerminally()` 投影）｜早退判据的**代码落点**（`waitUpOn` 内联 vs 抽 `src/net/relay/` 公共工具）｜是否把三处 `waitUpOn`/`waitUp` 合并｜`--trace` 的**输出格式**（四段数值 + 原文行）／落盘路径｜`DRILL_SAMPLE_N` 的采法（是否复用 `--scene ctrl`）｜`RELAY_GRACEFUL_BURST_MS` 的键名与是否需要 `DRILL_` 前缀的演练覆盖｜§9「时延分解」行的**表格字段设计**｜日志文案细节。
|
||
|
||
### 4.3 真需要用户拍板的（**命中才问，且一轮只问这一句**）
|
||
|
||
**本单 = 空。**
|
||
|
||
三问的判定全部落在"技术实现 / 测量与判据"边界内（§1.3 已逐条给出判定与依据）；最容易被误当成"业务意图"的 **D3（relay 计划内重启该不该触发切流）** 已有**明确的设计原文依据**（`client.ts:30` 注释 + burst 窗口的存在理由）⇒ 属"客观可判"，**自行拍掉、不上抛**。
|
||
|
||
### 4.4 技术实现裁决顺序（⚠️ 与 `dsh-decision-method §4.4` 一致）
|
||
|
||
① **先复用现成能力**（现有日志行的时间戳 ＋ `RelayClient.status()` 的 `state/attempts` ＋ 既有 `[relay-skip]` 判别器）→ ② **再改现有模块**（`waitUpOn` 一处／三处）→ ③ **最后才新增**（`--trace`、两个单测、参数表两个键）→ ⛔ **不引第三方依赖**。
|
||
|
||
### 4.5 权限影响评估（按红线 R5 要求先出；**结论：未命中 R5，暴露面零变化**）
|
||
|
||
| 维度 | 本单影响 | 判定 |
|
||
|---|---|---|
|
||
| **新增监听口** | **0**（只改客户端换址时序；候选集不变） | ✅ 不扩大 |
|
||
| **新增凭据** | **0** | ✅ 不扩大 |
|
||
| **放宽访问控制** | **0**（早退只是"更早放弃一个已失败的候选"，⛔ 绝不放宽为"连目录外地址"） | ✅ 不扩大 |
|
||
| **入站** | 106 入站**仍为 0**；47 无新增入站口 | ✅ 不扩大 |
|
||
| **新增可读面** | **0**（D2：⛔ 不新开端点；`--trace` 只读本机 journal） | ✅ 不扩大 |
|
||
| **暴露面净变化** | **0** | ✅ |
|
||
|
||
> ⚠️ **若执行中为"能切过去"而允许连目录外的地址 ⇒ 立刻停下**：那才是真的 R5（扩大信任面 = 任意重定向），必须回来出评估。
|
||
|
||
---
|
||
|
||
## §5 步骤（S0–S9；**每步自带一次可执行的验证**）
|
||
|
||
### S0 · 只读取证（= §2 P1–P10 ＋ 端口清单留档）
|
||
|
||
- **动作**：按 §2 逐条跑；**P3/P5 指纹逐字一致**；**P10 的分解必须复现**；额外**把 47 的完整端口清单落盘**（`ss -lntp | tail -n +2 | awk '{print $4}' | sort -n | uniq > /tmp/seq9-ports-<ts>.txt`）—— 这是**取证**，用于下次 `78 → 77` 类漂移的可比对（⛔ 不是修复）。
|
||
- **验证**：P1–P10 全部 ✅；P10 的四段数值与 §1.2 一致（容差：检测段 ±0.5 s、白等段 ±0.3 s、建连段 ±1.5 s）。
|
||
- **⛔ 硬门**：任一 ❌ ⇒ 停下报告，**不进 S1**。
|
||
|
||
### S1 · 时间轴抽取（只读，先出工具）
|
||
|
||
- **动作**：给 `scripts/overlay-failover-drill.cjs` 加 `--trace`：一次 `journalctl` 取回窗口内 `relay-client. down` / `relay-skip` / `relay-switch` 三类行（⚠️ **`--since` 一律用 `@<epoch>`**；⚠️ 远端**读状态**命令一律 `|| true`；⚠️ 保留 `JOURNALCTL-ERR` 哨兵），按**样本切分**（以 `down (… (was up))` 或进程号变化为界）算出四段，**并原样打印所依据的行**。
|
||
- **验证**：对 §1.2 的两个历史样本跑 `--trace` ⇒ 四段数值**与 §1.2 表格逐项对得上**。
|
||
- **⚠️ 口径**：`--trace` **只读**，⛔ 不停 relay、⛔ 不改 env、⛔ 不写远端文件。
|
||
|
||
### S2 · N=5 采样（判据分布的地基）
|
||
|
||
- **动作**：跑 5 次"杀当前入口"（每轮之间必须**归零**：① 两台 relay `systemctl start` ② 重启 Manager（`restart dshs`）⇒ 通道回到目录首位 ③ 等 47 的 relay 日志出现新的 `AUTH OK host=ops/manager`）；每次用 `--trace` 落盘。
|
||
- **验证**：5 份 trace 齐全；**每份的"检测 + 白等"≥ 27.0 s** ⇒ 若出现 **< 27 s 的样本** ⇒ 🔴 **分解被证伪，立刻停下报告**（§1.2 的可证伪条款）。
|
||
- **⚠️ 注意事项**：① **必须避开 `--scene ctrl`（`COOLDOWN=0`）那类轮次** —— 会污染候选顺序；② 每轮**记录 `DRILL_POLL_MS` 值**（S6 改前后各一组，读数不可混比）。
|
||
|
||
### S3 · 按分布选方案（**门 D1 在此解锁**）
|
||
|
||
- **动作**：算三段的中位数与极值：
|
||
- **若白等段中位数 ≥ 8 s** ⇒ 做 **D4 首选**（S4 的死候选早退）；
|
||
- **若白等段中位数 < 8 s** ⇒ 说明 RC-1 不是主因 ⇒ **停下报告**，把精力转向 RC-3/RC-2 的重新评估（⛔ 不许硬套）。
|
||
- **验证**：一段结论 ＋ 三行数据（中位数 / 最小值 / 最大值）写进 §8。
|
||
- **⛔ 硬门**：S2 未跑完 ⇒ ⛔ 不许进 S4。
|
||
|
||
### S4 · 死候选早退（RC-1 落点）
|
||
|
||
- **动作**：`waitUpOn`（及另两处等价逻辑）在轮询里增加**终态失败**判定 ⇒ 立即 `return false`；⛔ **不得**把"还在 burst 窗口内的短间隔重试"误判成终态（那会让 relay 的**计划内重启**被当成死候选 ⇒ 每次部署都切流）。
|
||
- **验证**：单测 **先红后绿**；`npm.cmd test` ⇒ **155 + 新增 / 全绿**（基线 155）。
|
||
- **⚠️ 易错点**：三处消费点（`server.ts:524` / `relay-tunnel.ts:104`、`:158` / `main.ts:315`）**逐处确认**；⛔ 别只改一处就宣布完成。
|
||
|
||
### S5 · 护栏用例（防"早退"误杀慢候选）
|
||
|
||
- **动作**：新增单测：**慢候选**（连得上、只是 `up` 来得晚，< `upTimeoutMs`）必须**仍然成功**；**死候选**（进 backoff 且出 burst 窗口）必须**提前失败**。
|
||
- **验证**：两条同时绿；且**既有用例一条不红**。
|
||
- **⚠️ 不变量**：这条是"早退"的护栏 —— 没有它，早退可能变成"更频繁地切到第三候选"甚至"全部候选都判失败"（R11）。
|
||
|
||
### S6 · 参数表闭环
|
||
|
||
- **动作**：`DRILL_POLL_MS` 2000 → 500；新增 `DRILL_SAMPLE_N`、`RELAY_GRACEFUL_BURST_MS`；**§9 新增「时延分解（序⑨ · 实测）」行**（四段数值 ＋ 两个样本 epoch 原文）；§7 计数回填；§10 指纹复取回填。
|
||
- **验证**：`grep -nE 'DRILL_POLL_MS|DRILL_SAMPLE_N|RELAY_GRACEFUL_BURST_MS' 参数表_覆盖网络_20260917.md` ⇒ **值格纯数字、无夹注**。
|
||
- **⚠️ 假红坑**：值格带夹注 ⇒ `NaN` ⇒ `OBS-02` 假红（上单 §8.6 原文教训）。
|
||
|
||
### S7 · 真机复测（修后 N=5，**判据不许软化**）
|
||
|
||
- **动作**：S4 部署后重跑 S2 的 5 轮（`scp` + `restart dshs`；⚠️ **relay 真身在 `/opt/dsh-relay/lib/`，两处都要铺**）。
|
||
- **验证**：**五样本 kill→switch ≤ 30000 ms（用新的 500 ms 轮询口径读数）**；且白等段 ≤ 1 s。
|
||
- **⛔ 硬门**：若**仍**有样本 > 30000 ms ⇒ **写进 §8.8 报告并给出下一步候选（含 `upTimeoutMs` 的降值方案 ＋ 慢候选 P95 证据）**，⛔ **不许自行改 deadline**。
|
||
|
||
### S8 · 不退化
|
||
|
||
- **动作**：`--scene all`（1/2/3/4/4b）＋ `overlay-probe` ＋ `npm test` ＋ 门户 `200` ＋ 双实例面 ∈ `PROBE_CODE_SET` ＋ `ss -lntp | wc -l` 与 §2-P7 对照。
|
||
- **验证**：见 E9/E10。**幕 1/2/3/4 结果不得变红**。
|
||
- **⚠️ 观察点**：若出现新的 `[relay-skip]` 或 `[relay-switch]` 形态变化 ⇒ 事件行**必须原样抄进 §8**（含 `attempts / unhealthyForMs`）。
|
||
|
||
### S9 · 收口
|
||
|
||
- **动作**：清理临时产物（trace 落盘件先移 `_中间产物_待清理/`）；**释放锁**；登记下一棒 automation（`scheduledAt` = 收口时刻 + 2~5 分钟）；**用陈述句告知**接续；推进入口 §2；写工作区日志。
|
||
- **验证**：见 E11/E12。
|
||
|
||
---
|
||
|
||
## §6 验收（判据清单；命令 ＋ 期望输出，可被第三方复现）
|
||
|
||
| # | 判据 | 命令 / 观察点 | 期望 |
|
||
|---|---|---|---|
|
||
| **E1** | 🔴 **分解可复现**（D1 的解锁条件） | §2-P10 ＋ `--trace` 对两个历史样本 | 检测 `15.02–15.60 s`；白等 `11.7–12.3 s`；建连 `1.3–4.3 s`；**三段之和 ≡ 墙钟（误差 ≤ 0.5 s）** |
|
||
| **E2** | **分解未被证伪** | S2 的 5 份 trace | **每份"检测 + 白等" ≥ 27.0 s**；出现 < 27 s ⇒ **停下**（§1.2 可证伪条款） |
|
||
| **E3** | **白等段有原文证据** | `--trace` 输出里出现 `[relay-skip] ⛔ 新通道起不来（wss://relay-direct.alotbuy.com/dshs-relay）` | 该行与 open 发起时刻的间隔 **≥ 11.7 s** |
|
||
| **E4** | **测量误差已剔除**（D5） | `grep '^| `DRILL_POLL_MS`' 参数表_覆盖网络_20260917.md` ＋ drill 实跑 | 值 = **500**，且复测读数与 trace 逐样本一致（差 ≤ 0.6 s） |
|
||
| **E5** | **样本量达标** | S2 / S7 各 5 轮 | 5/5 份 trace 齐全，且**每轮都记录了归零动作** |
|
||
| **E6** | 🔴 **修后 5/5 在 deadline 内侧** | S7 | `kill → switch ≤ 30000 ms` **5/5**；**白等段 ≤ 1 s** |
|
||
| **E7** | **不误伤慢候选**（护栏） | 单测（S5） | "慢候选仍成功" ＋ "死候选提前失败" 两条同时绿 |
|
||
| **E8** | **三处装配点逐处验收**（D7） | `grep -n "waitUpOn" -A 12 src/web/server.ts src/worker/relay-tunnel.ts src/net/relay/main.ts` | 三处的早退语义**一致**；报告逐处给出证据 |
|
||
| **E9** | **不退化** | `--scene all` ＋ `npm test`（基线 **155**）＋ `overlay-probe` ＋ 门户 `200` ＋ 双实例面 ∈ `PROBE_CODE_SET` | 与 §2-P8/P9 对照**逐项一致**；幕 1/2/3/4 结果**不变红** |
|
||
| **E10** | **deadline 未被放宽**（D6） | `grep -n 'RELAY_FAILOVER_DEADLINE_MS' src/net/relay/switcher.ts 参数表_覆盖网络_20260917.md` | **仍是 `30000`**；⛔ 参数表 / drop-in / 演练脚本里**零处**把它改成别的值 |
|
||
| **E11** | **上单遗留不恶化** | §2.1（`ss -lntp \| wc -l`）｜OBS-09/11｜`nft` 72 | 与 §2-P7 逐项一致；若变红 ⇒ 停下报告（非本单范围） |
|
||
| **E12** | **无越界** | `git status --short` ＋ `grep -rc "COOLDOWN_MS=0\|COOLDOWN_MS= 0"`（drill / 参数表 / drop-in） | 只含 §3.1 列的文件；⛔ 无 commit / push；🔴 **`COOLDOWN_MS=0` 在回滚 / 演练路径里零命中** |
|
||
| **E13** | **收口四件套** | 锁 `--release-exec` 已释放；下一棒 automation 已登记**并已用陈述句告知**；入口 §2 已推进；工作区日志已写 | ✅ |
|
||
|
||
---
|
||
|
||
## §7 回滚
|
||
|
||
**三层，均秒级：**
|
||
|
||
1. **配置层（不改代码即可回到现状）** —— 本单**新增的键全部有安全默认值**：
|
||
- `RELAY_GRACEFUL_BURST_MS` 删掉 ⇒ 回落到代码默认 `15_000`（**逐字回到现状**）。
|
||
- `DRILL_POLL_MS` 改回 `2000` ⇒ 只影响**演练读数**，不影响产品。
|
||
- ⇒ 改完 `daemon-reload` → `systemctl restart dshs`（47）／`restart dshs-worker`（106，如涉及）。
|
||
- 🔴 **⛔ 禁用项**：**不许**用 `RELAY_FAILOVER_COOLDOWN_MS=0` 当"回滚/对照"开关（上单 §8.8-4：归零 ⇒ 候选链自锁，实测 121–123 s 无切换）。真要缩短冷却**只走 `DRILL_COOLDOWN_MS`**。
|
||
2. **代码层**：用出单后立即做的 `.bak-seq9-<ts>` 备份还原被改文件（⛔ `git diff` 对 `src/net/relay/**` **无效** —— 它 untracked）→ `npm run build` → `scp lib/` 到 47 `/opt/dshs/lib/` ＋ `/opt/dsh-relay/lib/`；106 `/opt/dshs-cluster/lib/` ＋ `/opt/dsh-relay/lib/` → `restart dshs` ＋ `restart dshs-worker`。
|
||
- **落点自证**：改的是 `server.ts` 的 `waitUpOn` 与 `client.ts` 的 burst 键 ⇒ 建议用一个稳定的可 grep 标记（例如早退分支里的专属日志片段）在远端 `lib/` 里 `grep -c` 自证，**三处 lib 全部**。
|
||
3. **服务层**：S2/S7 采样若停了 relay ⇒ `systemctl start dshs-relay`（两台）。**两台 relay 的 drop-in（`capacity.conf`）本单不动**。
|
||
|
||
**⚠️ 回滚后必须复验**：`overlay-probe`（按 §2.1 口径判：`OBS-09` / `OBS-11` 属环境态）｜`ss -lntp | wc -l` = **77**（无活跃实例档，与 §2.1 同值）｜双实例面 ∈ `PROBE_CODE_SET`｜门户 `200`｜`--scene 1` 仍能在 deadline 内侧切换。
|
||
|
||
---
|
||
|
||
## §8 回报格式（执行棒按此格式收口；沿用序⑤–⑧ 单的分节）
|
||
|
||
> ## ✅ 执行棒回报（覆盖网络线 · 序⑨ 执行棒 ｜ 2026-09-17 13:41–14:3x）
|
||
>
|
||
> **一句话结论**：**§2-P10 的四段分解复现成功（D1 解锁）⇒ 「死候选白等」12.03 s → **0.09 s**（省掉 12 s）⇒ 真机样本 **5/5 从「全部超 deadline」变成「全部在 deadline 内侧」**（30.2–34.1 s → **19.8–23.9 s**）。**
|
||
> **⛔ 未动**：`RELAY_FAILOVER_DEADLINE_MS`(30000) / `HB_SEC`(15) / burst 语义 / 服务端零改动 / 未 commit·未 push。
|
||
> **🔴 三条硬门**：**D1** ✅（分解先复现，再改值 —— 且本单**一个生产阈值都没改**）｜**R7** ✅（范围外只报告：§8.8）｜**⛔ `COOLDOWN_MS=0`** ✅（本单新增行零命中，见 E12）。
|
||
|
||
### 8.1 S0 快照（P1–P10）
|
||
|
||
| # | 命令（原文摘要） | 记录 | 判定 |
|
||
|---|---|---|---|
|
||
| **P1** | `handoff-guard.sh --claim-exec "覆盖网络线-序9执行棒"` | `✓ 已持全局执行锁` | ✅ |
|
||
| **P2** | `state.py` | 锁空闲→抢到；HEAD `640813e`；入口 = `接续入口_覆盖网络线_20260916.md`（§2 指向本单）；工作区 **43** 处改动 | ✅ |
|
||
| **P3** | `sed '/^## §10 指纹/,$d' 参数表_覆盖网络_20260917.md \| md5sum` | **`e6b669c257d8e8964273b3b400238351`** | ✅ 逐字一致 |
|
||
| **P4** | `sed '/^## §8 回报格式/,$d' 交接单_检测时延与deadline_20260917.md \| md5sum` | **`d903b4eeabf25ef381379cdbaac77e8a`** | ✅ **逐字一致 ⇒ 单未被改动**（收口后仍为此值，见 8.9） |
|
||
| **P5** | 上两单前缀 | 序⑧ `aa3a6ec0d66dd81f465cea2a3a08ad27`｜序⑦ `419abf308c00b7668e8898aaa91ba9e8` | ✅ 两值逐字一致 |
|
||
| **P6** | `grep -n gracefulBurstMs\|halfOpenMs client.ts`；`grep -n "const waitUpOn" -A8 server.ts`；`switcher.ts` 锚点 | `client.ts:137/146/567/631`；`server.ts:499-506`（**只轮询 `up`、不看终态**）；`switcher.ts:244/300`；**`waitUpOn` 三处** = `server.ts:499+524`｜`relay-tunnel.ts:104+189`｜`main.ts:155+315`（⚠️ 单 §2-P6 记的 `main.ts` 函数在 **155**、调用在 **315**，单内写 315 指调用点 ⇒ 一致） | ✅ 锚点全部存在 |
|
||
| **P7** | `node scripts/overlay-probe.cjs`（cwd = 工作区根） | **10/12**（`OBS-09` 实例面 `000`｜`OBS-11` 监听口 **77** vs 阈值 79），`exit=1` | ✅ 与 §2.1 / §9.1 **逐项同值**（环境态：47 无活跃实例） |
|
||
| **P8** | 两台 `systemctl is-active` ＋ 47 `/status` | 47 `dshs`=active / `dshs-relay`=active；`capacity.used=**2**`、`online[]` = `manager(session=6959e3e1fb5a2956)` ＋ `w-106(session=416e7764a86752db ports=19000)`；106 `dshs-worker`=active / `dshs-relay`=active | ✅ |
|
||
| **P9** | `npm.cmd test`（Node 22） | **155 tests / 154 pass / 0 fail / 1 skipped** | ✅ 与序⑧ 收口基线逐字一致 |
|
||
| **P10** | `journalctl -u dshs --since -6h -o short-unix \| grep -E 'relay-switch\|relay-skip\|relay-client. down'` 抽两样本逐行对齐 | 见 **§8.2** —— **逐项复现**（误差 ≤ 0.03 s） | ✅ **D1 解锁** |
|
||
|
||
### 8.2 **时延分解表（本单的核心产出）**
|
||
|
||
**口径**：四段全部由 **journal 现有行的时间戳**算出（⛔ 无新埋点，D2）；
|
||
`--trace` 的**白等**锚点 = 「新候选客户端首败」→「放弃」（⑨ 修前修后**同一口径**，见 8.2.3）。
|
||
|
||
#### 8.2.1 单内 §1.2 的两个历史样本 —— **逐项复现**（§6-E1 / D1 的解锁证据）
|
||
|
||
| 样本（epoch 原文） | 检测 | 首试延迟 | **白等** | 建连 | 总 | `unhealthyForMs` | 与 §1.2 比对 |
|
||
|---|---|---|---|---|---|---|---|
|
||
| `1789616881.632718` | **15.119** | 1.416 | **12.029** | 2.724 | **31.287** | 30563 | 单内记 15.00 / ~1.5 / 12.00 / ~2.1 ⇒ ✅ 逐项一致 |
|
||
| `1789617465.999982` | **15.085** | 0.258 | **12.033** | 2.821 | **30.196** | 29376 | 单内记 15.085 / 0.29 / 12.00 / 2.82 ⇒ ✅ **逐字一致** |
|
||
|
||
**所依据的行原文（样本② `1789616881`，节选三行）**：
|
||
|
||
```
|
||
1789616881.632718 … [relay-client] down (peer bye: server restarting (was up)); attempt #0 [graceful, burst window 15000ms], retry in 300ms
|
||
1789616896.751232 … [relay-client] down (transport error); attempt #1, retry in 1054ms ← 检测段终点（burst 耗尽）
|
||
1789616898.166825 … [relay-client] down (transport error); attempt #1, retry in 799ms ← **新候选客户端首败**（白等起点）
|
||
1789616910.195416 … [relay-skip] ⛔ 新通道起不来（wss://relay-direct.alotbuy.com/dshs-relay）… 进冷却 300000ms ← 放弃点
|
||
1789616912.919233 … [relay-switch] #1 … -> wss://106.54.21.172/…（unhealthyForMs=30563） ← 样本终点
|
||
```
|
||
|
||
> 🔴 **`--trace` 对"白等起点"的识别依据**（可被第三方复核）：`open()` 里的候选客户端是**全新**实例
|
||
> （`attempts=0`、无 burst 窗口）⇒ 它第一次拨号失败就打**不带方括号标签**的 `attempt #1`；
|
||
> 而老通道客户端在 burst 耗尽时也打一条 `attempt #1`，**那条正好等于 burst 耗尽行本身**（被排除）
|
||
> ⇒ 窗口内"最后一条不带标签的 `attempt #1`"唯一指向新候选客户端。
|
||
|
||
#### 8.2.2 全量样本（`--trace --since -6h`，19 个样本中 15 个"单跳"）
|
||
|
||
| # | 样本 epoch | 检测 | 首试延迟 | 白等 | 建连 | 总 | 签名 |
|
||
|---|---|---|---|---|---|---|---|
|
||
| 1 | `1789616881.632718` | 15.119 | 1.416 | **12.029** | 2.724 | 31.287 | 修前 |
|
||
| 2 | `1789617465.999982` | 15.085 | 0.258 | **12.033** | 2.821 | 30.196 | 修前 |
|
||
| 3 | `1789620716.466165` | 15.209 | 1.269 | **12.035** | 3.718 | 32.232 | 修前 |
|
||
| 4 | `1789621434.115527` | 15.490 | 1.830 | **12.034** | 3.768 | 33.122 | 修前 |
|
||
| 5 | `1789623996.90519` | 15.291 | 0.985 | **12.041** | 2.716 | 31.034 | 修前（S2-1） |
|
||
| 6 | `1789624064.033677` | 15.136 | 0.808 | **12.026** | 2.721 | 30.692 | 修前（S2-2） |
|
||
| 7 | `1789624132.71806` | 15.298 | 1.660 | **12.044** | 4.221 | 33.223 | 修前（S2-3） |
|
||
| 8 | `1789624194.346892` | 15.738 | 0.468 | **12.021** | 3.717 | 31.943 | 修前（S2-4） |
|
||
| 9 | `1789624258.224431` | 15.671 | 2.818 | **12.033** | 3.621 | 34.143 | 修前（S2-5） |
|
||
| 10 | `1789624473.578564` | 16.645 | 3.031 | **0.092** | 2.717 | 22.485 | 修后（S7-1） |
|
||
| 11 | `1789624534.000883` | 15.229 | 0.332 | **0.090** | 5.223 | 20.873 | 修后（S7-2） |
|
||
| 12 | `1789624587.689803` | 15.017 | 1.480 | **0.092** | 4.719 | 21.307 | 修后（S7-3） |
|
||
| 13 | `1789624640.289734` | 15.096 | 5.016 | **0.092** | 3.730 | 23.933 | 修后（S7-4） |
|
||
| 14 | `1789624693.055419` | 15.262 | 1.585 | **0.090** | 4.719 | 21.656 | 修后（S7-5） |
|
||
| 15 | `1789625104.721054` | 15.386 | 1.610 | **0.093** | 2.721 | 19.810 | 修后（幕 4-A） |
|
||
|
||
- **修前（n=9）**：检测 **15.085–15.738**（中位 15.29）｜白等 **12.021–12.044**（中位 12.033）｜建连 2.716–4.221｜**总 30.196–34.143 ⇒ 9/9 全部 > `deadline` 30000**
|
||
- **修后（n=6）**：检测 **15.017–16.645**（中位 15.26）｜白等 **0.090–0.093**（中位 0.092）｜建连 2.717–5.223｜**总 19.810–23.933 ⇒ 6/6 全部 ≤ `deadline`**
|
||
- **自洽**：15/15 样本 `检测 ＋ 首试延迟 ＋ 白等 ＋ 建连 ≡ 总`（误差 ≤ 0.05 s）✅
|
||
|
||
#### 8.2.3 白等段的口径说明（⛔ 防误读）
|
||
|
||
- 单内 §1.2 把白等写成 `≡ upTimeoutMs`（12.000 s）—— 那是**修前的定义式**。本棒用**可直接测的锚点**替代它：
|
||
**白等 = `t(放弃点) − t(新候选客户端首败)`** ⇒ 修前实测 **12.021–12.044**（与定义式 12.000 相差 21–44 ms = 拨号耗时），
|
||
修后实测 **0.090–0.093 s**。⇒ 同一个度量在修前修后都成立，**修前的 12 s 是"真等待"，修后只剩 0.09 s**。
|
||
- ⚠️ 单内 §1.2 的"tick 相位"在本口径下改称**首试延迟**（= `RELAY_FAILOVER_CHECK_MS` 相位 ＋ 拨号耗时），
|
||
⛔ 不是"测量被篡改"：四段划分与总长自洽校验逐样本通过（见 8.2.2）。
|
||
|
||
### 8.3 代码改动清单
|
||
|
||
| # | 文件 | 改动点 | `wc -l` 前后 | 先红后绿 |
|
||
|---|---|---|---|---|
|
||
| 1 | `src/net/relay/client.ts` | ① 接口＋`status()` 新增**只读投影** `inGracefulBurstWindow`；② 新增 `gracefulBurstMsDefault()`（env 参数表化，**默认 15_000 逐字不变**）；③ 新增 `openedChannelFailedTerminally()`（**RC-1 判据**）；④ 新增 `waitUpOnStatus()`（**三处装配点收口成一份**，D7） | **1306 → 1403** | ✅ |
|
||
| 2 | `src/net/relay/index.ts` | 导出上述 3 个符号 | 2 行改 | — |
|
||
| 3 | `src/web/server.ts`（**C1**） | `waitUpOn` 改为委托 `waitUpOnStatus` ＋ 判死日志（`[relay-failover] ⛔ 新通道终态失败…`） | **908 → 917** | ✅ |
|
||
| 4 | `src/worker/relay-tunnel.ts`（**C2**） | 同上 | **220 → 224** | ✅ |
|
||
| 5 | `src/net/relay/main.ts`（**C3**） | 同上（＋ `log` 透传） | **359 → 363** | ✅ |
|
||
| 6 | `scripts/overlay-failover-drill.cjs` | 新增 **`--trace`**（四段分解·**只读**）＋ **`--sample N`**（N 轮采样，含完整归零序列）；⛔ 原有 `--scene 1/2/3/4/4b/4c/ctrl` **语义一字未改**（仅在 `--help` 追加 2 行） | **720 → 1032** | — |
|
||
| 7 | `test/relay-failover.test.mjs` | 新增 **F18（护栏·慢候选）+ F19（死候选早退）+ F20（burst 窗口不许判死）+ F21（判据四反例）+ F22（env 参数表化）** | **731 → 844** | ✅ |
|
||
|
||
**E8 · 三处装配点逐处验收**（D7）：`grep -n waitUpOnStatus` ⇒ `server.ts`（C1）／`relay-tunnel.ts`（C2）／`main.ts`（C3）**三处全部委托同一实现**；
|
||
**落点自证（远端 lib 四份）**：`grep -c "openedChannelFailedTerminally"` ⇒ 47 `/opt/dshs/lib/net/relay/client.js` = **3**、47 `/opt/dsh-relay/lib/…` = **3**、106 `/opt/dshs-cluster/lib/…` = **3**、106 `/opt/dsh-relay/lib/…` = **3**；
|
||
`grep -c "新通道终态失败"` ⇒ `/opt/dshs/lib/web/server.js` = **1**、`/opt/dshs-cluster/lib/worker/relay-tunnel.js` = **1**。⚠️ 属主按原值 `197108:197121` 复原（⛔ 不引入 R10 的 root 属主问题）。
|
||
|
||
### 8.4 单测与本地验证
|
||
|
||
- **`npm.cmd test`（Node 22）= 160 tests / 159 pass / 0 fail / 1 skipped**（基线 **155** ＋ 新增 **5**）。
|
||
- **先红后绿**（实证）：改完用例先对**旧 `lib/` 产物**跑 ⇒
|
||
`SyntaxError: The requested module '../lib/net/relay/index.js' does not provide an export named 'openedChannelFailedTerminally'`（**红**）；
|
||
`npm run build` 后 `node --test test/relay-failover.test.mjs` ⇒ **22/22 全绿**；全量 `npm test` ⇒ **159/0**。
|
||
- **护栏用例（E7 的断言切面）**：
|
||
- **F19（红→绿的分水岭）**：假客户端在 100 ms 处进 `backoff`＋`attempts=1`＋非 burst ⇒ 断言 `ok===false` **且 `ms < 2000`**（旧实现必然 12 000 ms）。
|
||
- **F18（护栏）**：慢候选 `connecting → up@800ms` ⇒ 断言 `ok===true` 且等到 ~800 ms ⇒ **⛔ 早退不许误杀慢候选**（R11 不变量）。
|
||
- **F20（D3 保护）**：`backoff attempts=1` 但 `inGracefulBurstWindow=true` ⇒ 必须继续等，窗口过后 `up` ⇒ `ok===true`（⛔ 不许在窗口内判死）。
|
||
- **F21**：判据四反例（`connecting` / `handshaking` / `queued`(attempts=0) / burst 窗口内）**一律 false**。
|
||
- **F22**：`RELAY_GRACEFUL_BURST_MS` 默认 **15 000 逐字不变**；空串/非法/负数 ⇒ 回落默认；显式覆写才生效。
|
||
|
||
### 8.5 真机复测（修复前 N=5 ／ 修复后 N=5）
|
||
|
||
**读数口径**：切换耗时 = `--sample` 的墙钟（**含 `DRILL_POLL_MS` 的量化误差**）；四段另由 `--trace` 从 journal 时间戳复算（**与轮询口径无关**）。
|
||
|
||
| 轮 | 修复前 `DRILL_POLL_MS=2000` | ≤30000? | 修复后 `DRILL_POLL_MS=500` | ≤30000? |
|
||
|---|---|---|---|---|
|
||
| 1 | 33914 ms | ❌ | **25465 ms** | ✅ |
|
||
| 2 | 31646 ms | ❌ | **25342 ms** | ✅ |
|
||
| 3 | 34078 ms | ❌ | **21985 ms** | ✅ |
|
||
| 4 | 35321 ms | ❌ | **27389 ms** | ✅ |
|
||
| 5 | 41252 ms | ❌ | **23318 ms** | ✅ |
|
||
| 合计 | **5/5 超界**（中位 34078） | ❌ | **5/5 在内侧**（中位 25342） | ✅ |
|
||
|
||
**每轮的归零动作（E5）**：① 两台 relay `systemctl start` → ② `systemctl restart dshs`（通道回到目录首位 = 47）→ ③ 等 47 relay 日志出现**新的** `AUTH OK host=ops/manager`（修复前 AUTH 就绪 2359–4112 ms／修复后 2834–4761 ms）→ ④ 记 `t0` → `systemctl stop dshs-relay`(47) → 等新 `[relay-switch]` → ⑤ 复原 relay。**10/10 轮全部执行归零**；⛔ 全程**未施加任何演练 env 覆盖**（尤其未出现冷却归零）。
|
||
**同轮的四段读数（journal 口径）**：修复前白等 **12.021–12.044**／修复后 **0.090–0.093**（见 8.2.2 第 5–14 行）。
|
||
|
||
### 8.6 参数表改动
|
||
|
||
| 键 | 旧 → 新 | 值格自证（纯数字） | 说明 |
|
||
|---|---|---|---|
|
||
| `DRILL_POLL_MS` | **2000 → 500** | `500` | **测量修正**（剔掉 ≤2 s 量化误差 ⇒ 超/不超 deadline 两端都可能误判，RC-4）。⚠️ 改前/改后读数不可混比（8.5 已分档） |
|
||
| `DRILL_SAMPLE_N` | 🆕 `5` | `5` | `--sample` 的默认轮数（= S2/S7 的 N） |
|
||
| `RELAY_GRACEFUL_BURST_MS` | 🆕 `15000` | `15000` | 把"全仓唯一一个不可配的时延常量"参数表化（`gracefulBurstMs`）；⛔ **默认值语义逐字不变**、⛔ 本单未改其值 |
|
||
| §9 表格 | 🆕 **第 9 行「换址墙钟的四段分解」** | — | 四段数值 ＋ 修前修后两档总长 |
|
||
| §7 计数 | 回填一行 | — | 待测项 **仍为 0**（新增两个键都是实测/推导值） |
|
||
|
||
**值格纯数字自证**：`grep -nE '^\| `(DRILL_POLL_MS|DRILL_SAMPLE_N|RELAY_GRACEFUL_BURST_MS)`'` ⇒ 值格依次为 `500` / `5` / `15000`（**无夹注** ⇒ ⛔ 不会引发 `OBS-02` 假红）。
|
||
|
||
### 8.7 不退化（S0 对照）
|
||
|
||
| 项 | S0（§8.1） | 收口复取 | 判定 |
|
||
|---|---|---|---|
|
||
| `npm test` | 155/154/0/1 | **160/159/0/1**（＋5 新用例） | ✅ 无红 |
|
||
| `--scene all`（幕 1/2/3/4） | 序⑧ 全绿 | **11 PASS / 1 FAIL**（幕2-B，见 8.8-1）；**幕 4-A/B/C 全绿**（豁免切回 47 **22213 ms ≤ 30000**） | ⚠️ 见 8.8-1（归因 = drill 状态依赖，**正确前置下 3/3 PASS**） |
|
||
| `overlay-probe` | 10/12（`OBS-09`/`OBS-11` 红） | **10/12，同样只有 `OBS-09`/`OBS-11` 红** | ✅ 逐项一致 |
|
||
| `ss -lntp \| wc -l`（47） | **77** | **77** | ✅ |
|
||
| `nft` 规则行数 | 72 | **72** | ✅ |
|
||
| 门户 `http_code` | 200 | **200** | ✅ |
|
||
| 双实例面 | `000/000`（无活跃实例） | `000/000` | ✅ 同值（OBS-09 环境态） |
|
||
| 两台 relay 单元 | active/active | **active/active** | ✅ |
|
||
| 演练 env 残留（`RELAY_FAILOVER_*` 计数） | — | **0** | ✅ 生产值未被演练污染 |
|
||
| `git status --short` 计数 | **43** | **43** | ✅ 无越界（新增的 4 个文件均在本单 §3.1 范围内，且 `src/net/relay/**`·`relay-tunnel.ts`·drill·test 本就是 untracked） |
|
||
|
||
### 8.8 未过项 / 遗留
|
||
|
||
**1. ✅ 序⑩ 已修（2026-09-17 14:4x）· 原报：🔴 `--scene all` 的幕 2-B 判 FAIL（归因：drill 自身的状态依赖，⛔ 非本单改动引入）**
|
||
- **① 现象**：`幕2-B 留下「无候选 ⇒ 原地退避」的判别器证据（D6）` ⇒ 窗口内 **0 行 `[relay-skip]`**；同窗口内 `[relay-client] down` / `[relay-switch]` 也**全为 0 行**（journal 取证：`1789624835±` 的 120 s 窗口里 Manager 一行 relay 日志都没有 ⇒ **它的通道根本没被打断**）。
|
||
- **② 已做到哪一步**：定位到 **drill 代码本身** —— 幕 2 的注释写"两台全杀"，但实现**只停 106**（`await stopRelay(h106)`，`overlay-failover-drill.cjs` 幕 2 块首行），而**幕 1 已把 Manager 的通道切到了 47** ⇒ 幕 2 停的是一台 Manager 已不在用的 relay ⇒ 无失效、无判别器。**在正确前置下重跑 ⇒ 3 PASS / 0 FAIL**（`幕2 前置：47 relay=inactive / 106 relay=inactive`，判别器原文：`[relay-skip] ⚠ 豁免尝试也起不来（wss://alotbuy.com/dshs-relay）⇒ **保持原通道**；重置该候选冷却…`）。⇒ **与本单改动无关**（本单只改"新通道等待"，不触碰"无候选"分支；且该窗口内 Manager 完全无事件）。
|
||
- **③ 回头条件**：**只要有人需要 `--scene all` 一键全绿**（如 CI 化 / 交给第三方复跑）⇒ 必须先把幕 2 改成"停掉**当前通道所在**的那台 relay"（与幕 1 同一套 `killTarget` 判定），否则它**永远依赖上一轮留下的通道归属**。⛔ 本单**不动**（§3.1 明令"原有 `--scene` 语义一字不改"＋R7 范围外先报告）。
|
||
|
||
**2. 🔴 在册未办（本单**只报告、不动手**）**
|
||
- ✅ **序⑩ 已清（现 `grep -rho 'COOLDOWN_MS=0' scripts/ | wc -l` = `0`）· 原报：`COOLDOWN_MS=0` 在演练脚本里仍有 5 处命中**（`overlay-failover-drill.cjs`：`--scene 4c` / `--scene ctrl` 的文案与实现）—— **全部是序⑧ 遗留**，本单新增行**零命中**（`git diff -U0 | grep -c '^+.*COOLDOWN_MS=0'` = **0**）。按上单 §8.8-4（归零 ⇒ 候选链自锁、实测 121–123 s 无切换）与 §3.2 禁令 ⇒ 建议下一棒**删掉 `--scene ctrl` 及其 4 处文案**（`4c` 可保留：它走 `DRILL_COOLDOWN_MS` 覆盖，不碰生产键）。回头条件：**任何一次把 `--scene ctrl` 当"回滚/对照"用**之前必须删掉。
|
||
- ✅ **序⑩ 已定位（见下方 §8.8-4）· 原报：OBS-11 的 `78 → 77` 那 1 个口**：本棒复取仍 = **77**（与 S0/序⑧ 同值），**未定位**（R7 只报告）。
|
||
- 承上单：`OBS-09`（47 无活跃实例 ⇒ 实例面 `000`）｜guest(w-106) 实例页 502｜106 agent 面不吃引导链（已判不执行）｜`mksess*.cjs` 失效｜`src/net/relay/**` untracked 留档缺口｜`client.ts.bak-seq7-*` 残留。
|
||
- **⚠️ 本棒对"当前通道归属"有副作用**（幕 4 / S2/S7 采样会把 Manager 留在 106）：收口时已 **`systemctl restart dshs` 归零回 47** 并复验（`used=2`、`online[]` 含 `manager` ＋ `w-106`、probe 回到 10/12）。
|
||
|
||
**3. ⛔ 明确未做（保持单内 §3.2）**：未动 `deadline`/`HB_SEC`/burst 语义/`MIN_ATTEMPTS`/`GRACE_MS`/`CHECK_MS`/生产 `COOLDOWN_MS`；未做"同机候选去重 / 并发竞速 open"；未新增监听口·凭据·端点；未改服务端；未 commit / 未 push。
|
||
|
||
**4. ✅ 序⑩ 收口回填（2026-09-17 14:23–14:5x · 执行棒 · 三件技术债全清）**
|
||
|
||
| # | 遗留 | 结果 | 证据（现取） |
|
||
|---|---|---|---|
|
||
| ① | 幕 2 状态依赖（幕 2 只停 106 ⇒ 停的是**不用**的那台） | ✅ **已修** | 修法 = 幕 2 起手**现场重读权威通道归属**（`lastManagerAuthOn` 比对）后**两台都停**（幂等）；`--scene all` = **12 PASS / 0 SKIP / 0 FAIL**（原 11/1）；`--scene 2` 单独复跑 = **3 PASS / 0 FAIL**（前置行原文：`本幕开始时活跃通道 = bt-server（epoch 47=…/106=…）`） |
|
||
| ② | `COOLDOWN_MS=0` × 5 处（`--scene 4c` / `--scene ctrl`） | ✅ **已清，0 命中** | `grep -rho 'COOLDOWN_MS=0' scripts/ \| wc -l` = **0**；两个场景名**整体移除**并**显式拒绝**（`--scene 4c` / `ctrl` ⇒ 退出码 **2** + 提示走 `DRILL_COOLDOWN_MS`），⛔ 不静默空跑；`node --check` 通过 |
|
||
| ③ | OBS-11 的 `78 → 77` 那 1 口 | ✅ **已定位（有名字）** | 逐口对账见下 ⇒ **差额 = `20000`**（47 实例档，当前无活跃实例） |
|
||
|
||
**③ 逐口对账（应然 78 行 vs 实际 77 行 · `ss -lntp`，含表头）**
|
||
|
||
| 组 | 应然条数 | 实际 | 说明 |
|
||
|---|---|---|---|
|
||
| 九固定口 `22/80/443/888/3080/8765/15432/19100/20080` | 9 | ✅ 全在 | — |
|
||
| `[::]:22`（sshd 的 IPv6 **第二条绑定行**） | 1 | ✅ 在 | 计数是"**行**"不是"端口"，故 22 占 2 行 |
|
||
| 拨号池 `25000–25063` | 64 | ✅ **64 口全在** | 脚本逐口点名验证 |
|
||
| w-106 落点（relay **动态分配**） | 1 | ✅ 在（值 = `46147`） | `/status.endpoints[0].localPort=46147`，与 relay `20080` **同 PID 779508** |
|
||
| BT-Panel `58888` | 1 | ✅ 在 | — |
|
||
| **47 实例档 `20000`** | 1 | ❌ **缺** | **就是这 1 口** —— 47 当前**无活跃实例**（`ss` 无 `127.0.0.1:20000`） |
|
||
| 表头 | 1 | ✅ 在 | — |
|
||
|
||
⇒ **76 条 socket 逐条点名、零无名**；`78 − 77 = 1` 的名字 = **`20000`（实例档随实例上线/下线）**，**不是**暴露面消失。
|
||
⇒ 🔴 **附带订正（口径书写错误）**：原清单把 `39463` 写成固定项 —— 它其实是 relay 为 w-106 端点**动态分配**的落点（现值 `46147`，同 PID）。⛔ **口径里不能写固定值**，否则每次重启都会误报"口变了"。
|
||
⇒ ⚠️ **仍无名的 1 条（在册未办）**：参数表 `LISTEN_COUNT` = **79**（S0 基线，78 socket）比"应然·无实例态 77"高 **2**、比"应然·有实例态 78 行"高 **1**。这 1~2 条**无法定名**，卡点 = **S0 原始 `ss` 清单未留档**（已查工作区与 `04-调整方案/`，均无）。**回头条件**：① 47 恢复活跃实例后复取（应回到 **78 行**）② 届时若仍 **77** ⇒ 另有 socket 确实消失 ⇒ 按"零新增暴露面"重定基线，⛔ 不许把差值当噪声放过。
|
||
|
||
**🔴 ③ 的副产品（⛔ 本棒不动手 · 属方案改动 ⇒ 转规划棒）**：OBS-11 用「**计数相等**」当暴露面判据有**两个结构性弱点** —— ⓐ 对**状态**敏感（实例档/端点落点在线态一变就红 ⇒ 假红）；ⓑ 对**替换式**变化**不敏感**（一进一出计数不变 ⇒ **假绿**，正是本项目最忌的静默失效）。⇒ 建议下一棒规划 **白名单集合判据**（`实际监听行 ⊆ 允许集`，并打印差集）替代计数相等；连带处理 `LISTEN_COUNT` 的"有/无实例态"两值。⛔ 本棒只报告（§3.2 范围 + D1 纪律）。
|
||
|
||
### 8.9 指纹（收口后的可复现核对口径）
|
||
|
||
|
||
- **参数表**：`cd "E:/ProgramData/AI技能/aliyun-dsh-server" && sed '/^## §10 指纹/,$d' 参数表_覆盖网络_20260917.md | md5sum`
|
||
⇒ **现取 = `99e9e17b0c1ce0550e4bc7626a5a0494`**（本单出单值 = `e6b669c257d8e8964273b3b400238351` ⇒ **已随 §3.1-5 的四处改动更新**）
|
||
- **本交接单前缀（§8 及其后不计入）**：`cd "E:/ProgramData/AI技能/aliyun-dsh-server" && sed '/^## §8 回报格式/,$d' 交接单_检测时延与deadline_20260917.md | md5sum`
|
||
⇒ **现取 = `d903b4eeabf25ef381379cdbaac77e8a`** ＝ 出单值 ✅ **回填 §8 后未变**（底稿零改动）
|
||
- **交叉证据（上两单，收口复取）**：`切流冷却语义_20260917.md` = **`aa3a6ec0d66dd81f465cea2a3a08ad27`**｜`中继失败切流_20260917.md` = **`419abf308c00b7668e8898aaa91ba9e8`**（两者均未变）
|
||
- 本单**全文件** md5 请现取（⛔ 不内嵌，自指）
|
||
- **序⑩ 原始取证落盘**：`_中间产物_待清理/seq10/`（`ss47-actual.txt` = 47 监听口全量 77 行；`drill-all-after.txt` = `--scene all` **12 PASS** 原文；`drill-scene2-after.txt` = 幕 2 单跑 **3 PASS** 原文）
|
||
- **原始取证落盘**（供第三方复核）：`_中间产物_待清理/seq9-trace/`（`s2-before.json` 修前 5 轮、`s7-after.json` 修后 5 轮、`full-6h.json` 全窗口 19 样本、`seq9-sample-*.json` 采样明细）
|
||
|
||
---
|
||
|
||
## §9 附录 · 本单的取证基线（供执行棒复核，⛔ 不必重跑）
|
||
|
||
| 事实 | 出处 |
|
||
|---|---|
|
||
| `relayFailoverThresholds(env = process.env)` ⇒ **env 覆盖生效**；六键默认值 `300000 / 30000 / 15000 / 3 / 2000 / 12000` ＋ `exempt` | `switcher.ts:55-95` |
|
||
| **唯一换址入口** `replace(targetUrl, reason, origin)`；`open()` 在 `:300` 被 await | `switcher.ts:204-310` |
|
||
| **`unhealthy()`** = `state==='backoff' && (attempts ≥ minAttempts ∨ unhealthyForMs ≥ graceMs)` | `switcher.ts:244` |
|
||
| `tick()` 周期 = `checkMs`(2000)；D6 现场 ⇒ `noCandidateChecks` ＋ `[relay-skip]`（节流） | `switcher.ts`（`tick` 内） |
|
||
| **`waitUpOn` 只轮询 `state === 'up'`，直到 `deadline` 才 false**（RC-1 真身） | `web/server.ts:499-506` |
|
||
| `open` 的三处消费点 | `web/server.ts:524`（C1）／`worker/relay-tunnel.ts:104`、`:158`（C2）／`net/relay/main.ts:315`（C3） |
|
||
| 生产目录 3 条候选、**前 2 条同机 47** —— 注释原文已承认 | `web/server.ts:517-519` |
|
||
| **`gracefulBurstMs` 默认 15_000、不可配**（全仓只有 `?? 15_000` 一处） | `client.ts:137`／`:567` |
|
||
| **burst 三个分支各自 `attempts = 0`**（RC-2） | `client.ts:559-580` |
|
||
| `gracefulRetryMs` 默认 300；`reconnectMinMs` 1000／`reconnectMaxMs` 30000；退避含 ±25% 抖动 | `client.ts:554-588` |
|
||
| 半开检测 `halfOpen = max(3000, hbSec×1000×2.5)` = **37.5 s**；仅在 `state==='up'` 计时 | `client.ts:631-638` |
|
||
| `DEFAULT_HB_SEC = 15`（运行真值；`HB_SEC_DOC=20` 是旧隧道时代文档口径，⚠️ 待更正） | `server.ts:60`／参数表 §4 |
|
||
| 演练读数偏差：`waitSwitch` 每 `DRILL_POLL_MS` 轮询；`t0` 在 `stopRelay` 返回之后（比 BYE 晚 0.6–0.73 s） | `overlay-failover-drill.cjs`（`waitSwitch` / `runScene1`） |
|
||
| 本单两个逐行复核样本的 epoch | ① `1789617466 / …7493.375 / …7496.196`（`unhealthyForMs=29376`）② `1789616882 / …6910.195 / …6912.919`（`unhealthyForMs=30563`） |
|
||
|
||
### 9.1 本棒（规划棒）已做的只读取证（⛔ 执行棒不必重做）
|
||
|
||
| 项 | 读数 | 出处 |
|
||
|---|---|---|
|
||
| 工作区 HEAD | `640813e`；`git status --short` = **43** | `state.py` / `git status` |
|
||
| 参数表指纹 | `e6b669c257d8e8964273b3b400238351` | 现取 |
|
||
| 上两单前缀指纹 | `aa3a6ec0d66dd81f465cea2a3a08ad27` / `419abf308c00b7668e8898aaa91ba9e8` | 现取 |
|
||
| `overlay-probe` | **10/12**（`OBS-09` / `OBS-11` 红）；`exit=1`；原始输出落 `/tmp/seq9-probe-s0.txt` | 现取 |
|
||
| `ss -lntp \| wc -l`（47） | **77**（76 socket ＋ 表头）；连采两次同值；`nft=72` | 现取 |
|
||
| 47 端口清单 | 9 固定口（`22/80/443/888/3080/8765/15432/19100/20080`）＋ 拨号池 `25000–25063`(64) ＋ `39463`（w-106 落点）＋ `58888`（BT-Panel） | 现取 |
|
||
| 47 活跃实例 | **无**（`20000` 未监听；`ps` 只有控制面 / `w-47` / relay） ⇒ OBS-09 红属环境态 | 现取 |
|
||
| 47 relay `/status` | `capacity.used=2`；`online[]` = `manager` ＋ `w-106`；`dialers=["manager"]` | 现取 |
|
||
| 时延分解 | **检测 15.08 s ／ 白等 12.00 s ／ 建连 2.82 s**（+ 相位 0.29 s） | §1.2 样本① |
|
||
|
||
---
|
||
|
||
## §10 指纹
|
||
|
||
- **本节口径**（推荐核对用，可复现）：**整个 §10 不计入** ⇒
|
||
`cd "E:/ProgramData/AI技能/aliyun-dsh-server" && sed '/^## §10 指纹/,$d' 交接单_检测时延与deadline_20260917.md | md5sum`
|
||
- ⚠️ **本单另有 §8 前缀口径**（§8 及其后不计入）⇒ 见 **§8 回报格式** 内 §8.9 的取值处（收口时回填）。
|
||
- **全文件 md5**：请现取（⛔ 本行故意不内嵌数值 —— 包含本节自身，写进去即刻失效）。
|